install.packages(‘ggthemes’)
library(plotly)
library(DT)
library(ggplot2)
library(dplyr)
library(readxl)
library(ggthemes)
library(tidyverse)
Estadisticas_Policiales_OIJ <-
readxl::read_excel("C:/Users/B87265/Tarea 2/Analisis de estadisticas policiales 2021/estadisticaspoliciales2021.xls")
Estadisticas_Policiales_OIJ$Fecha <-
as.Date(Estadisticas_Policiales_OIJ$Fecha, format = "%Y-%m-%d")
Estadisticas_Policiales_OIJ %>%
dplyr::select(Delito, Fecha, Victima, Edad, Genero, Provincia, Canton) %>%
mutate(Fecha = as.Date(Fecha, format = "%d/%m/%Y")) %>%
datatable(
options = list(
pageLenght = 15,
language = list(url =
'//cdn.datatables.net/plug-ins/1.10.11/i18n/Spanish.json')),
colnames = c(
#Nombres de columnas
"Delito",
"Fecha",
"Víctima",
"Edad",
"Género",
"Provincia",
"Cantón"
)
)
## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html
Cantidad_por_tipo_delito <-
Estadisticas_Policiales_OIJ %>%
count(Delito) %>%
ggplot(aes(x = reorder(Delito, n), y = n)) +
geom_bar(stat = "identity") +
ggtitle("Cantidad de delitos por tipo") +
xlab("Tipo de delito") +
ylab("Cantidad") +
coord_flip() +
theme_hc()
Cantidad_por_tipo_delito %>%
ggplotly() %>%
config(locale = "es")